算法简介

算法 algorithm 评判算法的好坏有两个指标：

1. 时间复杂度
2. 空间复杂度

数据结构简介

数据结构 data structure 数据结构常见的组成：

1. 线性结构 包括数组、链表、衍生的栈、队列和哈希表
2. 树形 包括典型的二叉树，衍生的二叉堆
3. 图
4. 其他

时间复杂度计算

用数学方式得出执行次数T和输入规模n的函数T(n)=f(n) 因为存在n值的取值不同而得出的T的大小不同的情况，使用渐进时间复杂度来处理。 渐进时间复杂度用最高阶项O(f(n))表示，比如常量的时间复杂度为O(1)，线性的O(n)，二次方O(n^2)

空间复杂度

在查找重复值得时候，经常使用双重循环来做，其时间复杂度高。想要降低时间复杂度，就用到内存，就涉及空间复杂度。空间复杂度中，js对象和哈希表相当类似，可以直接将遍历的数字当做key值存入对象中，在下一次值的读取的时候直接看有没有映射到对象中的数据。 值得注意的是，js对象中不论key原来的数据是什么类型的，统统转化成字符串了。所以涉及到多种数据类型的一定要小心，可以考虑使用Map。

（哈希表也叫作散列表，js对象是基于哈希表来实现的）

空间复杂度的计算

定值常量为O(1) 线性空间（数组）O(n) 二维空间（二维数组[[1,2],[3,4]]）O(n^2) 递归空间（方法调用栈的存储）进栈和出栈 空间复杂度也为O(n)

添加内容 再回来看这个笔记发现有些东西遗漏了

关于算法的时间复杂度，其实基本的指标就是代码执行次数。为什么会有渐进时间复杂度，是因为不同的情况下，算法之间的执行次数比较起来结果不同，在考虑极大值的情况下使用渐进时间复杂度的思想是非常好的。

关于空间复杂度，是计算占用空间和n（输入规模）之间的关系